【人工智能】计算机视觉之OpenCV学习详解一

网友投稿 663 2022-05-29

一,前言

看准这个方向很久了,今天开始和Java,Go一起推进学习。不求多,每天学习一点点。

二,OpenCV安装

作为Python选手的我,当然选择了Python语言来学习OpenCV

编译器:还是使用pycharm哈。

安装OpenCV-python模块,可以使用pip安装或者编译器安装。

本人亲身体验,编译器安装极慢,推荐使用清华大学的镜像安装。

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python

看情况,编译器安装也可。

OpenCV就是一个基于BSD许可 (开源)发行的跨平台计算机视觉库,非常的好用。的一个目标是提供友好的机器视觉接口函数,从而使得复杂的机器视觉产品可以加速面世。该库包含了横跨工业产品检测、医学图像处理、安防、用户界面、摄像头标定、三维成像、机器视觉等领域的超过500个接口函数。

下面来实际操作一下下。

三,实战学习

import cv2 print(cv2.getVersionString())

先输出看一下模块版本,正常输出版本号,代表正常。

函数imread(filepath,flags)读入图片。

输出他的大小参数信息。

im=cv2.imread("C:/Users/24190/Pictures/zhu.jpg") print(im.shape)

4.5.4

(150, 150, 3)

显示图像的函数imshow

cv2.imshow("im",im)

等待键盘输入关闭,否则会一闪而过。

cv2.waitKey()

效果展示:

3.1,色彩处理

BGR顺序存储。

【人工智能】计算机视觉之OpenCV学习详解一

cv2.imshow("blue",im[:,:,0]) cv2.imshow("green",im[:,:,1]) cv2.imshow("red",im[:,:,2])

色彩分析:

这个图不明显哈,换一个。

分析如下:

光子数的灰度图。

彩色图片恢复变换算法。

原理,把三个图像做平方和加权处理。

ga=cv2.cvtColor(im,cv2.COLOR_BGR2GRAY) cv2.imshow("gary",ga)

说明了图像粒子分布。

3.2,裁剪提取

裁剪:

crop=im[10:270,40:200] cv2.imshow("crop",crop)

索引顺序,先下在上。

3.3,图像绘制

使用numpy模块

image =np.zeros([300,300,3],dtype=np.uint8)

构建一个300×300,边框像素为3的黑色画布

我们话一条线,语法:cv2. line (图像, 起点, 终点, 颜色, 厚度)

cv2.line(image,(100,100),(250,250),(255,0,0),2)

绘制一个四边形(图片,长方形框左上角坐标, 长方形框右下角坐标, 字体颜色,字体粗细)

cv2.rectangle(image,(30,100),(60,150),(0,255,0),2)

绘制一个圆(image, center_coordinates, radius, color, thickness)

cv2.circle(image,(150,100),20,(0,0,255),3)

绘制一个字符串。图片,要添加的文字,文字添加到图片上的位置

,字体的类型,字体大小,字体颜色,字体粗细。

cv2.putText(image,"hello",(100,50),0,1,(255,255,255),2,1)

四,源码

import cv2 import numpy as np image =np.zeros([300,300,3],dtype=np.uint8) cv2.line(image,(100,100),(250,250),(255,0,0),2) cv2.rectangle(image,(30,100),(60,150),(0,255,0),2) cv2.circle(image,(150,100),20,(0,0,255),3) cv2.putText(image,"hello",(100,50),0,1,(255,255,255),2,1) cv2.imshow("img",image) cv2.waitKey()

五,后言

后续我会继续学习。继续记录。

OpenCV

版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。

上一篇:7.8 Linux重建RPM数据库(修复损坏的RPM数据库)
下一篇:Linux基础必知必会(一)
相关文章